Python pandas groupby：我可以按列多索引的一个级别选择agg函数吗？

我有一个包含多个列索引的熊猫数据框架：

columns=pd.MultiIndex.from\u元组(
[（c，i）表示在[a'，b']中的c，表示在范围（3）中的i]）
df=pd.DataFrame（np.random.randn（4,6），
索引=[0,0,1,1]，
列=列）
打印（df）
a b
0         1         2         0         1         2
0  0.582804  0.753118 -0.900950 -0.914657 -0.333091 -0.965912
0  0.498002 -0.842624  0.155783  0.559730 -0.300136 -1.211412
1  0.727019  1.522160  1.679025  1.738350  0.593361  0.411907
1  1.253759 -0.806279 -2.177582 -0.099210 -0.839822 -0.211349

我想按索引分组，并在

a

列上使用'min'聚合，在

b

列上使用'sum'聚合

我知道我可以通过创建一个dict来实现这一点，该dict为每列指定agg函数：

agg_dict={'a'：'min'，'b'：'sum'}
full_agg_dict={（c，i）：agg_dict[c]表示范围（3）中的i在['a'，'b']中的c]
打印（df.groupby（level=0）.agg（full_agg_dict））
a b
0         1         2         0         1         2
0  0.498002 -0.842624 -0.900950 -0.354927 -0.633227 -2.177324
1  0.727019 -0.806279 -2.177582  1.639140 -0.246461  0.200558

---

有没有更简单的方法？似乎应该有一种方法可以使用

agg\u dict

而不使用

full\u agg\u dict

我也会使用您的方法。但这里有另一种方法（应该）起作用：

出于某种原因，

groupby（level=[0,1]

对我不起作用，所以我提出了：

(df.stack(level=1)
   .reset_index()
   .groupby(['level_0','level_1'])
   .agg({'a':'min','b':'sum'})
   .unstack('level_1')
)

---

第一个解决方案不适用于此数据帧的原因是，原始数据帧的索引是一个1D形状数组

（4，）

如果通过，它会很好地工作。@ALollz同意。这也是我一开始说的。@SIA这是

stack

的一个错误。当索引有重复值时，代码创建错误（然后在groupby中使用）。

stack

当前只使用

新代码=[np.arange（N）。重复（levsize）]

生成忽略重复的新代码。我不知道是否有更简单的方法。如果字典没有遵循完美的模式，可能只是让它更灵活（更容易阅读）：

{x:agg_dict[x[0]]for x in df.columns}

(df.stack(level=1)
   .reset_index()
   .groupby(['level_0','level_1'])
   .agg({'a':'min','b':'sum'})
   .unstack('level_1')
)